输入:吞吐量测量张量,往返时延测量张量,吞吐量测量样本索引集,吞吐量缺失样本索引集,特征维度,卷积核通道数,秩,误差平衡权重,迭代停止条件StopCondition. 输出:吞吐量估计张量 /*第一步:吞吐量-往返时延关联学习模型(ALM)*/ 1:随机初始化关联学习模型参数 2:WHILE StopCondition!= true DO 3: REPEAT 4: 从中选取本轮还未选取过的测量样本索引 5: ,,从往返时延张量 中提取纤维 6: 输入关联学习模型计算吞吐量推测值 7: 通过梯度下降算法优化式(5),更新关联学习模型的参数 8: UNTIL 中所有的测量样本索引都已被选取 9: StopCondition计算迭代停止条件 10: END WHILE 11:将中的所有缺失样本索引输入训练好的关联学习模型,计算吞吐量张量的推测值 12:根据式(6)计算预填充的吞吐量张量 /*第二步:基于关联学习的张量填充模型(ALTC)*/ 13:随机初始化因子矩阵,和 14:WHILE StopCondition!= true DO 15: REPEAT 16: 从中选取本轮还未读取过的测量样本索引 17: ,,从因子矩阵中分别提取因子向量 18: 计算吞吐量估计值 19: 通过梯度下降算法优化式(8),更新因子矩阵,和 20: UNTIL 中所有的测量样本索引都已被读取 21: StopCondition计算迭代停止条件 22:END WHILE 23:使用训练好的因子矩阵计算吞吐量张量的估计值 |